從巨量資料應用看Bank 3.0銀行轉型未來式
軟體
瀏覽數:2940
發布日期:2015/02/13

迎接Bank 3.0世代,銀行業坐擁巨資金礦

隨著「網路(Internet)」和「行動(Mobile)」的普及,客戶使用銀行服務的行為,正歷經大幅度的轉變。顛覆以往傳統僅單獨使用某通路或產品的模式,現在使用者往往採用多種管道與銀行互動,無論是透過網路銀行、手機App、晶片卡、近場通訊(Near Field Communication,NFC)、射頻識別技術(Radio Frequency Identification,RFID)等途徑都能完成交易行為。銀行服務因行動和網路的連結,使得銀行可提供更多元創新的應用與服務。未來,舉凡電信業、零售業、電子商務、甚至路邊賣咖啡的店家,都有機會提供提款、繳費與支付等金融服務,是以稱此現象為百花齊放的 Bank 3.0 世代。

這樣的轉變對於銀行業來說,是衝擊,也是機會。從銀行業實體通路的觀點來思考,的確,在行動智慧裝置與網路的雙重夾擊下,似乎沒有任何喘息的空間。供應現金的提款機(Automated Teller Machine,ATM)與實體分行都將逐漸成為銀行的成本負擔。但是,民眾對於金融服務的需求依然存在,甚至與日遽增。未來,現金交易可能都會被行動支付給取代,不過正因如此,每一筆交易細節才能被銀行業者清楚地記載在資料庫中。在多元支付的趨勢下,巨量資料將為銀行業帶來嶄新的視野。

銀行業妙用巨量資料,從中挖掘決策價值

對銀行業而言,消費型金融在業務發展上扮演舉足輕重的角色,同時,他們面對的是為數龐大、但忠誠度未必很高的一群顧客。和其他產業一樣,銀行業也希望客戶願意從口袋掏出更多錢,選用更多的商品與服務;在此前提下,銀行業投入巨量資料分析技術的淘金熱潮,自然是可預期的結果;唯一不同之處在於,銀行業是一個必須接受政府高度管制的產業,有許多法令規章亟待遵循。例如,雖然同一金控集團旗下擁有著不同業別的事業體(壽險、銀行等),然而,不同事業體間若想交互運用個別客戶資料,是受到法令限制的。因此,銀行業在推動巨量資料的應用上可能沒辦法像零售業般大刀闊斧地進行,反倒需要融入更多精巧的設計。

藉由精準推薦 實現以客為尊

位在西班牙的Santander銀行,利用巨量資料分析技術,挖掘顧客的近期需求,進而在每週發送給顧客的訊息中,個別巧妙置入該顧客可能高度感興趣的商品暨相關優惠資訊,藉此提升顧客採購頻度與數量,進而為銀行創造可觀的利潤。

另外,新加坡花旗銀行(City Bank)則是將巨量資料應用觸角予以延伸,不僅用來帶動自家商品或服務的銷售業績,也將與之合作的外部商家、餐廳納入整條應用價值鏈,利用消費者的信用卡交易記錄加以分析,根據分析後的結果,適時提供相關商家或餐廳的優惠訊息給有需求的顧客。舉例來說,消費者採納了新加坡花旗銀行所提供的某項推薦服務,後端系統便會根據消費者的所有刷卡交易歷程,包括消費的時間、地點、金額等等,分析其購物與飲食習慣,譬如偏好吃泰國菜;某天傍晚時刻,該名消費者在一地刷卡購物後,銀行便隨即傳送訊息,告知他身處的週遭,有關於鄰近泰式餐廳的優惠資訊。

而紐澳銀行(Westpac)更是將顧客利用信用卡購買商品的詳細訊息納入資料庫,從中可得知「何人」在「何時」購買「何物」,並透過每一次與客戶直接的互動,包含面對面交談、線上交談、電話交談等管道去深度了解客戶心中真實的想法。由這些看得見的資料(交易紀錄顯示)與看不見的資訊(交談過程得知),依照個人不同的需求,將各種金融商品銷售給對的人,以創造更多的商機。

擁抱資料所帶來的甜美果實與嚴峻挑戰

以上述案例的介紹,發現銀行業在巨量資料的應用上,多半著重在獲利與營收的增加,然而,巨量資料分析技術所帶來的正面影響應不僅於此;若將過去大量的歷史交易紀錄進行分析後,能夠對於交易風險和市場風險進行預測及管理,幫助銀行業者省下大筆成本。例如德國的銀行業者Aareal Bank Group即著眼於傳統的業務,像是信用風險與流動性風險等。這些業務之所以變得有趣,主因是透過巨量資料技術去分析相關決策的風險程度時,可以幫助銀行在瞬息萬變的市場中,快速地做出最適當決策。以全球一家知名的清算服務機構為例,亦利用即時分析系統,去分析大量、多變複雜的資料,讓該機構的監督系統加倍升級;同時,也為未來更多的加值服務奠定了基礎。

另外,墨西哥的Banco銀行則是長期飽受層出不窮的信用卡側錄盜刷事件的困擾,亟欲追蹤並遏止犯罪集團的源頭,無奈遲遲找不出正確的章法,倘若採取傳統資料分析技術,難免曠日費時,完全跟不上犯罪集團的蔓延速度。幾經苦思,決定採用巨量資料分析技術,並找來大批統計專家助陣,再根據盜刷時間、盜刷地區等複雜資料維度進行抽絲剝繭,終能利用短短不到一天的分析時間,從看似龐雜的事件中理出頭緒,成功將不肖份子一網打盡,讓該銀行得以迅速止血。

此外,全球業務量排名第一的信用卡發卡組織VISA,也憑藉巨量資料分析技術,巧妙化解了信用卡詐騙、盜領等事件的侵擾。運用分散式運算架構處理並分析大量數據資料,結果硬是將原本得歷時一個月的分析時間,大幅縮短到十五分鐘內完成,終至能以最快速度洞悉各地的可疑交易,旋即對銀行提出預警,竭盡所能遏阻詐騙交易。

當然,回歸到巨量資料的原始面,這些資料從何而生?無庸置疑地,多半來自於顧客與企業之間的那座橋樑,無論是透過何種方式或途徑,企業獲取的就是貨真價實的「顧客資料」,因此,資料的隱私和安全層面也更顯重要。銀行業者利用巨量資料分析技術來協助優化顧客體驗的過程中,往往會暴露大量的個人資料,未來,當民眾愈重視自身的隱私問題,資料的取得就顯得更加困難。

比起追求資料帶給企業豐碩的利潤,或是降低自身企業所可能面臨到的風險,銀行業者更該重視與保密這些資訊,把客戶的隱私與資料安全放在首要位置。假使為了貪圖企業利益,而忽略了資訊安全,信用勢將遭到斲喪,客戶流失的同時,名聲也毀於一旦,後果得不償失。許多事情都是一體兩面,資料也是,如何在利益和風險中尋求平衡,這就是銀行業利用巨量資料已轉型的同時,所要面對的考驗。

關鍵字: Bank3.0 ; 巨量資料